你是否曾思考过，未来的Token（词元）或许会像商品一样实现分层协作——云端负责产出“大而全”的通用型Token，而边端与垂直场景则专注于生成“快而准”的专业型Token，各司其职，共同构建一个完整的Token经济体。这是海光信息副总裁吴宗友近期在与证券时报等媒体交流时提出的核心洞察。在他看来，算力底层的一致性是实现Token分层协同的关键前提，只有指令集、开发框架实现全链路统一，云端训练的高效能力才能无损地传递至边端和终端。

先来探讨一个经常被提及的话题：云边端协同。这个概念已被讨论多年，但真正成功落地的案例并不多见。问题的根源究竟在哪里？吴宗友指出了关键——过去行业间的协同大多停留在软件层面，而底层算力架构的差异才是造成效率损耗的根本原因。不同终端、不同芯片、不同开发框架，导致云端训练完成的模型在迁移到边端或终端时，性能往往大打折扣。这一痛点，行业内人士早已深有体会。

解决方案其实并不复杂：算力底层必须保持统一。从指令集、应用逻辑到开发框架，实现全线统一，云端训练的效率才能无损地向下延伸至边端和终端。此外，这种一致性不仅体现在CPU与DCU的算力协同上，还包括安全模块等配套能力的统一，从而系统性地降低了模型迁移的适配成本。

当算力架构趋于一致时，一个有趣的概念逐渐浮现——“Token谱系”。吴宗友将其类比为大模型与垂类模型的分化：云端大算力产出的Token“大而全”，适合覆盖通用场景；而边端与垂直领域产出的Token则更强调实时性与精确性，精准面向具体应用。随着智能体技术的快速发展，未来个人和企业端的终端Token需求将显著增长。不同层级算力所产出的Token价值将进一步分化，最终形成各司其职、协同运作的Token经济价值体系。

算力融合的另一个重要方向，是科学智能（AI for Science）向更细分领域的加速渗透。吴宗友认为，科学智能并非单一赛道，它覆盖了从高端科学计算到家庭辅助机器人等多元应用场景。在AI for Science领域已积累成熟经验的基础上，行业正逐步向AI for Engineering等更精细化的方向演进。举例来说，建筑、制造等工程领域存在大量短期内难以解决的实际问题，AI与工程学科的深度结合，正在催生全新的科研与产业范式。“这仅仅是一个开始。”吴宗友表示，未来AI还将逐步深入制造、教育、医疗、金融等细分行业，与具体场景的结合将越来越紧密、越来越深入。

算力能否真正产生价值，最终取决于产业链上下游的协同深度。吴宗友强调，单一算力产品无法解决用户的所有问题。从芯片、操作系统、数据库到上层应用，必须实现全链条的高效协同，才能将算力的实惠真正送到用户手中。

海光目前依托光合组织的6000余家生态伙伴，以及超过15000项软硬件适配成果，持续完善其算力生态。吴宗友将生态建设的核心目标总结为“最后一公里”问题——用户需要的并非一颗芯片，而是一套能用、好用、且能持续创新的全面解决方案。

值得注意的是，生态协同正在从“适配兼容”阶段迈向“联合创新”新阶段。许多用户有创新需求，却缺乏驱动上游产业链调整的能力。由算力厂商牵头，联合操作系统、数据库、云厂商等生态伙伴共同响应客户的创新诉求，正在成为新的产业协作模式。

在区域层面，河南正成为国产算力落地的重要样本。在光合组织2026智能计算应用大会期间，中国首个全国产十万卡AI超集群——曙光8000（登峰）正式落成，系统搭载海光等国产芯片算力底座。目前，河南的运营商、金融机构、高校及科研单位已广泛开展国产算力应用实践，覆盖教育、科研、工程等多个领域。

在吴宗友看来，算力集群的价值不仅体现在基础设施本身，更在于其引发的产业聚集效应。有了算力底座，人工智能相关产业会逐步向区域汇聚，再通过光合组织等生态平台，将本地企业与产品推向全国市场。

谈及未来挑战，吴宗友表示，下一步的重点在于精细化落地。在通用方案已趋于成熟的基础上，需结合各地产业特点与细分需求，进一步打磨场景化解决方案，让算力红利真正渗透到产业毛细血管的每一个环节。